|
|
EDA365欢迎您登录!
您需要 登录 才可以下载或查看,没有帐号?注册
x
& G- w/ q. [6 s9 d u# w8 R) r
快速的非支配排序
6 m( E' S! Q" u! P" q) B+ _7 W6 h! l8 \$ I
在NSGA进行非支配排序时,规模为N的种群中的每个个体都要针对M个目标函数和种群中的N-1个个体进行比较,复杂度为O(MN),因此种群中的N个个体都比较结束的复杂度为O(MN2),即每进行一次Pareto分级的时间复杂度为O(MN2)。在最坏的情况下,每个Pareto级别都只含有一个个体,那么需要进行N次分级所需要的时间复杂度则会上升为O(MN3)。鉴于此,论文中提出了一种快速非支配排序法,该方法的时间复杂度为O(MN2)。
" |5 y9 R& C0 y+ K
# I/ P* g: S7 b7 ~$ a# q该算法需要保存两个量:
5 l/ {5 n7 n+ l G% y8 J* s b; ?! \# w" Q+ H; q
(1).支配个数np。该量是在可行解空间中可以支配个体p的所有个体的数量。4 }$ q% p! l; @( o% ]
) A' e& _# Z5 D1 J8 `( K(2).被支配个体集合SP。该量是可行解空间中所有被个体p支配的个体组成的集合。
% O* H- i0 a! t2 |1 z# [
" K( B0 i. d# a7 w/ N下面是fast_nondominated_sort的伪代码# m2 ^1 E: ]4 x
, z! z, Q6 ~8 ?' Y
- def fast_nondominated_sort( P ):
- F = [ ]
- for p in P:
- Sp = [ ]
- np = 0
- for q in P:
- if p > q: #如果p支配q,把q添加到Sp列表中
- Sp.append( q )
- else if p < q: #如果p被q支配,则把np加1
- np += 1
- if np == 0:
- p_rank = 1 #如果该个体的np为0,则该个体为Pareto第一级
- F1.append( p )
- F.append( F1 )
- i = 0
- while F:
- Q = [ ]
- for p in F:
- for q in Sp: #对所有在Sp集合中的个体进行排序
- nq -= 1
- if nq == 0: #如果该个体的支配个数为0,则该个体是非支配个体
- q_rank = i+2 #该个体Pareto级别为当前最高级别加1。此时i初始值为0,所以要加2
- Q.append( q )
- F.append( Q )
- i +=1
8 g- G! u9 ]8 X; y" m1 y+ z9 {
& i* }: _7 T4 @8 h6 k' w, C: k8 Y0 B' l! @; i
下面是C++实现:' q0 V1 ~' C! ~* i! Z
# s' w8 F) A4 r: [( |
- void population::nodominata_sort()
- //求pareto解(快速非支配排序)
- {
- int i,j,k;
- indivial H[2*popsize];
- int h_len=0;
- for(i=0;i<2*popsize;i++)
- {
- R.np=0;//支配个数np
- R.is_domied=0;//被支配的个数
- len=0;//初始化
- }
- for(i=0;i<2*popsize;i++)
- {
- for(j=0;j<2*popsize;j++)
- {
- if(i!=j)//自己不能支配自身
- {
- if(is_dominated(R,R[j]))
- {
- R.domi[R.is_domied++]=j;
- //如果i支配j,把i添加到j的is_domied列表中
- }
- else if(is_dominated(R[j],R))
- R.np+=1;
- //如果i被j支配,则把np加1
- }
- }
- if(R.np==0)//如果该个体的np为0,则该个体为Pareto第一级
- {
- len_f=1;
- F[0][len[0]++]=R;//将R归并
- }
- }
- i=0;
- while(len!=0)
- {
- h_len=0;
- for(j=0;j<len;j++)
- {
- for(k=0;k<F[j].is_domied;k++)
- //对所有在is_domied集合中的个体进行排序
- {
- R[F[j].domi[k]].np--;
- if( R[F[j].domi[k]].np==0)
- //如果该个体的支配个数为0,则该个体是非支配个体
- {
- H[h_len++]=R[F[j].domi[k]];
- R[F[j].domi[k]].rank=i+1;
- }
- }
- }
- i++;
- len=h_len;
- if(h_len!=0)
- {
- len_f++;
- for(j=0;j<len;j++)
- {
- F[j]=H[j];
- }
- }
- }
- }5 H3 m, D) ~ m& M
5 Q( g/ Z) e" w( G
' t; N8 F" m( f' G6 `4 W) fmatlab代码:
5 P# _- }' _; m: Z7 h" g
; E/ m* N6 c& V+ U4 F2 S- %-------非支配排序
- fnum=0; %当前分配的前沿面编号
- cz=false(1,size(functionvalue,1)); %记录个体是否已被分配编号
- frontvalue=zeros(size(cz)); %每个个体的前沿面编号
- [functionvalue_sorted,newsite]=sortrows(functionvalue); %对种群按第一维目标值大小进行排序
- while ~all(cz) %开始迭代判断每个个体的前沿面,采用改进的deductive sort
- fnum=fnum+1;
- d=cz;
- for i=1:size(functionvalue,1)
- if ~d(i)
- for j=i+1:size(functionvalue,1)
- if ~d(j)
- k=1;
- for m=2:size(functionvalue,2)
- if functionvalue_sorted(i,m)>functionvalue_sorted(j,m)
- k=0;
- break
- end
- end
- if k
- d(j)=true;
- end
- end
- end
- frontvalue(newsite(i))=fnum;
- cz(i)=true;
- end
- end
- end
1 {- D' Z c( s. K) t% l ' P! b! C- d7 B- o$ i6 Z. N
$ j/ w& O3 {4 l- l& U& k
NSGA2具体算法实现还在编写中。 |
|